基于软注意力机制的图像分类算法在缺陷检测中的应用

针对传统表面缺陷检测算法检测效率低下,难以应对复杂性检测等问题,结合深度学习和注意力机制技术,提出一种新型注意力机制算法。首先,反思卷积神经网络（CNN）与Transformer架构,重新设计高维特征提取模块;其次,改进最新注意力机制来捕获全局特征。该算法可轻松嵌入各类CNN,提升图像分类和表面缺陷检测的性能。使用该算法的Res Net网络在CIFAR-100数据集和纺织品缺陷数据集上的准确率分别达到83.22%和77.98%,优于经典注意力机制SE与最新的Fca等方法。     

固体颗粒对半球扰动尾迹影响的实验研究

采用粒子图像测速技术(particle image velocimetry, PIV)研究固体颗粒对放置在平板层流边界层中半球粗糙元尾迹的影响.实验采集了清水和加入粒径为140μm, 220μm, 350μm聚苯乙烯固体颗粒4种工况下二维速度场信息,基于半球半径的雷诺数为994 (Re_R=RU/υ),固体颗粒的体积浓度为3.0×10~(-5).对比清水和两相工况下的平均速度剖面、湍流强度等宏观统计量,分析固体颗粒对半球尾迹流动宏观特性的影响.分别利用沿流向不同位置的流向脉动速度的二维空间相关系数和法向脉动速度的功率谱密度函数分析颗粒对尾迹结构演化过程及尾迹结构脱落频率的影响.结果发现:与清水相比,回流区随颗粒粒径增大而逐渐增大;颗粒使湍流强度增大,回流区的存在导致在半球后流向位置2R前后区域湍流强度呈现不同变化趋势;颗粒使尾迹结构的流向尺度减小并且随着颗粒粒径的增大先减小后增大;在尾迹结构运动过程中颗粒的存在促进了尾迹结构的周期性加速和减速运动,促进作用随着颗粒粒径的增大先增强后减弱;颗粒的存在促进了尾迹结构的脱落,脱落频率随颗粒粒径的增大先增大后减小.     

基于深度学习的配电网图形节点数据校核技术研究

抽象化的配电网图像模型能够有效监控配电网各个节点的状态,根据监控数据即可对整个电网进行调度。当前的电网图模校准系统工作数据量大且整体性较差,而各地维护工作人员水平又参差不齐,故系统准确性难以保证。针对上述问题,文中使用长短时神经网络对GIS图形节点数据加以训练,并对各个节点的电气特征进行特征量分析,从而得到电网故障节点的特征数据。同时在模型构建部分,采用长短时神经网络对电网节点时序数据进行训练,利用逻辑门对故障状态加以判断,进而快速协调节点送电量并保证电网的有序运行。实验结果表明,文中设计的仿真系统可对节点的故障状态实现准确判断,且算法准确性及计算效率均优于对比算法,证明所提方法能够对配电网系统中的故障进行准确定位,进而完成对配电网图形节点数据的校核。     

基于Web的医学图像处理系统的设计

为了更方便地集成医学图像处理算法,通过分析医学图像处理的特点和结合临床应用的基本需求,文中设计了一套基于Web的医学图像处理系统。该系统主要基于Python语言、Kotlin语言、TypeScript语言、Spring Boot框架、Celery框架和DICOMWeb规范开发,通过将处理任务分解为计算作业实现人工介入操作,并通过对计算作业进行合理的分组实现算法运行环境的隔离。该系统具有易扩展、易部署、易维护和可伸缩的优点,可以方便地构建需要人工介入的医学图像处理任务,在算法足够成熟的时候也能够快速将该流程完全自动化。     

NSST域电气设备红外图像增强处理算法设计

针对现有电力设备红外故障检测系统采集的图片较模糊、部分设备体积较大无法精准定位故障点等问题,设计了一种基于Jaya算法改进Otsu阈值分割和多尺度的NSST域电气设备红外图像增强算法。通过非下采样剪切波变换将原始红外图像转化成高频域和低频域两部分进行增强,将增强后的各分量逆变换后合成最终完整的增强图像。实验结果表明,该文算法能够提高红外图像对比度,过滤电力设备红外图像噪声,对电力设备热故障的检测与故障定位做出贡献。     

基于VGG的高准确率翻拍广告图片检索系统

随着信息技术的发展,图像检索技术应用越来越广泛,对图像检索技术的适用性要求也越来越高,不但要对主体明确的图像进行检索,同时对以翻拍广告图像为例的受环境等多种外界因素影响的图像也可以进行准确检索。实际中,如何摒弃这些外界干扰并迅速的从海量的数据中准确地匹配到所需的图像,成为图像检索的一大热点问题。本文采用VGG网络模型提取图像特征,利用迁移学习的思想将在ImageNet数据集上训练好的网络模型根据目标数据集的特点进行微调,使得在已有的大数据集上训练好的网络模型进一步适用于新的数据集。采用余弦相似度度量进行相似度比较。结果表明,卷积神经网络可以提取更丰富的特征,相对传统分类方法可以提升速度和准确率。     

基于改进SRGAN的无人机航拍图像去雾算法

针对航拍图像往往受雾霾天气影响出现图像模糊、细节丢失等问题,本研究提出了一种基于改进SRGAN的无人机航拍图像去雾算法,旨在快速高效地去除航拍图像中的雾霾并恢复图像细节和纹理信息。本文重新设计判别器核心结构SResblock并引入CBAM注意力机制,完成了对原始SRGAN的改进,提出DH SRGAN算法。在VISDRONE户外航拍合成雾数据集上测试结果显示,本算法在单幅图像去雾方面取得了显著提升,去雾后的图像与原始图像PSNR 达2448dB、SSIM 达9529,两项指标均优于传统算法。相比原始SRGAN,DH SRGAN算法更加轻量化,适合嵌入到无人机侦察任务中的图像预处理流程。     

智慧教育场景图像采集曝光过度的修正方法

本文对智慧教育的发展、特殊性及图像采集设备自动曝光缺陷进行简单的分析,并提出解决场景多个物体亮度差异过大时采用二次曝光的方式来修正图像信息,重点详细阐述了如何结合使用HSL模型、正态分布模型及人脸识别算法来进行二次曝光时间的计算,完成过曝场景图像修正的目的。     

基于潜在低秩表示与交叉双边滤波的图像融合研究

提出了一种基于潜在低秩表示与交叉双边滤波的图像融合方法。先以潜在低秩表示方法将源图像分解为低秩部分图像和显著部分图像,并对低秩部分进行加权平均计算,显著部分求和处理,随后将计算的低秩部分与显著部分作为交叉双边滤波器的输入,通过测量细节强度获得对应权重,并利用交叉双边滤波器中的权值计算加权平均方法融合输入的图像,结合高斯滤波平滑处理,产生第一部分的图像。其次,源图像利用CBF获得融合图像,然后经过高斯滤波处理获得第二部分图像。最后将两部分进行加权求和获得最后的融合图像。实验对比证实,该方法降低了融合图像的灰度变化率,提高了融合图像的亮度和对比度,使得融合图像具有较好的可观性。     

基于图正则化低秩协同表示的高光谱异常检测

高光谱异常检测是检测出与周围背景像素的光谱具有明显差异的目标的过程。研究学者针对高光谱异常检测提出了多种算法,其中低秩协同表示检测器(LRCRD)不仅能够考虑所有像素之间的高光谱相关性,而且用低秩和l₂范数最小化约束字典的系数矩阵,背景字典不需要过度完备,可以更好地表示背景。然而,LRCRD模型并没有考虑到高光谱数据的局部几何信息对于区分背景和异常像素的重要性。将图拉普拉斯正则项引入LRCRD模型中,提出了一种基于图正则化低秩协同表示的异常检测方法,分析数据中的非线性几何信息。该方法保持高光谱图像的局部几何结构,提高了检测精度。在合成和真实高光谱数据集上对所提方法进行了实验验证,实验结果证明了所提方法的可行性。